BAB Analisis Perbandingan Hasil LGO 8.1 & Bernese 5.0

(1)

42

ANALISIS

BAB 4

4.1 Analisis Perbandingan Hasil LGO 8.1 & Bernese 5.0

Pada subbab ini akan dibahas mengenai analisis terhadap hasil pengolahan data yang didapatkan. Dari koordinat hasil pengolahan kedua perangkat lunak yang telah dihitung, untuk mengetahui tingkat repeatabilitas LGO 8.1 (model troposfer Saastamoinen), data koordinat tersebut diselisihkan terhadap nilai sebenarnya lalu ditampilkan seperti yang ditunjukan pada Gambar 4.1 di bawah. Nilai sebenarnya ini didapatkan dari data pengamatan GPS selama 6 hari sesi 24 jam yang diolah menggunakan perangkat lunak ilmiah Bernese 5.0. Dari pengamatan selama 6 hari tersebut didapatkan 6 data koordinat, lalu dicari rata-rata dan standar deviasinya.

Gambar 4.1 Grafik penyimpangan koordinat hasil LGO 8.1 terhadap nilai

(2)

43 Informasi statistik pada Gambar 4.1 dapat dilihat dari Tabel 4.1 s/d 4.6 berikut :

Tabel 4.1 Informasi statistik pada komponen easting sesi 24 jam

Baseline

(km) mean deviasi (m) std. deviasi (m) deviasi max (m) deviasi min (m) range (m)

~117 -0.022 0.032 -0.004 -0.085 0.080

~250 0.018 0.007 0.024 0.008 0.017

~450 0.059 0.062 0.147 0.004 0.143

~557 0.111 0.046 0.189 0.054 0.135

~1003 0.153 0.016 0.169 0.124 0.044

Tabel 4.2 Informasi statistik pada komponen northing sesi 24 jam

Baseline

~117 -0.005 0.005 -0.001 -0.014 0.013

~250 0.034 0.004 0.041 0.029 0.012

~450 0.072 0.014 0.092 0.056 0.036

~557 0.047 0.005 0.055 0.043 0.012

~1003 0.075 0.008 0.087 0.068 0.020

Tabel 4.3 Informasi statistik pada komponen ellips H sesi 24 jam

Baseline

~117 -0.042 0.024 -0.025 -0.090 0.064

~250 0.009 0.015 0.024 -0.017 0.041

~450 0.182 0.018 0.214 0.167 0.047

~557 0.153 0.043 0.206 0.091 0.115

~1003 0.150 0.039 0.212 0.112 0.100

Tabel 4.4 Informasi statistik pada komponen easting sesi 12 jam

Baseline (km)

mean deviasi (m) std. deviasi (m) deviasi max (m) deviasi min (m) range (m) 12 jam I 12 jam II 12 jam I 12 jam II 12 jam I 12 jam II 12 jam I 12 jam II 12 jam I 12 jam II

~117 -0.021 -0.013 0.034 0.021 -0.004 0.000 -0.091 -0.051 0.087 0.051

~250 0.018 0.002 0.009 0.039 0.028 0.021 0.006 -0.072 0.022 0.092

~450 0.064 0.035 0.095 0.060 0.238 0.128 -0.010 0.011 0.248 0.117

~557 0.089 0.117 0.031 0.129 0.132 0.129 0.051 0.095 0.081 0.034

(3)

44

Tabel 4.5 Informasi statistik pada komponen northing sesi 12 jam

~117 -0.006 -0.005 0.011 0.008 0.002 0.009 -0.028 -0.011 0.031 0.020

~250 0.033 0.040 0.007 0.050 0.044 0.059 0.024 0.030 0.020 0.029

~450 0.073 0.076 0.018 0.085 0.104 0.092 0.058 0.047 0.045 0.046

~557 0.047 0.048 0.008 0.052 0.060 0.052 0.040 0.044 0.021 0.008

~1003 0.043 0.043 0.010 0.048 0.099 0.055 0.071 0.021 0.028 0.034

Tabel 4.6 Informasi statistik pada komponen ellips H sesi 12

~117 -0.039 -0.039 0.023 0.025 -0.019 -0.008 -0.084 -0.076 0.065 0.069

~250 0.015 -0.019 0.014 0.037 0.029 0.005 -0.005 -0.064 0.034 0.069

~450 0.209 0.176 0.029 0.197 0.256 0.208 0.177 0.096 0.079 0.112

~557 0.115 0.193 0.052 0.221 0.162 0.278 0.033 0.119 0.129 0.159

~1003 0.221 0.221 0.042 0.247 0.205 0.286 0.099 0.137 0.106 0.149

Pada Tabel 4.1 s/d 4.6 di atas, perlu dilakukan pemeriksaan data terlebih dahulu, apakah masih terdaat outlier atau tidak. Dari informasi statistik yang dihasilkan, pada masing-masing data dilakukan uji statistik dengan bantuan distribusi t-student. Distribusi normal tidak digunakan karena diasumsikan bahwa data hasil pengolahan LGO 8.1 merupakan sample yang terdiri dari 6 data pada tiap sesinya. Untuk persamaan matematis yang digunakan [Wolf dan Ghilani, 1997], yaitu :

ȳ ± tα/2 . S/√n ………..……..(4.1)

Dimana, ȳ adalah rata-rata dari sekumpulan sample

tα/2 adalah nilai distribusi t pada tingkat signifikasnsi α/2

S adalah simpangan baku sample n adalah jumlah sample

Jika terdapat data sample yang bernilai diluar rentang persamaan (4.1), maka akan dianggap sebagai outlier dan dibuang. Tetapi jika simpangan data tersebut relatif lebih kecil daripada data lainnya, akan tetap dimasukan dalam perhitungan (walaupun diluar rentang persamaan (4.1)) Setelah dilakukan pemerikasaan tersebut lalu didapatkanlah hasil yang bebas outlier. Untuk lebih jelasnya, hasil dari pengolahan LGO 8.1 terbaru dapat dilihat pada Tabel 4.7 s/d 4.12 berikut :

(4)

45

Tabel 4.7 Informasi statistik deviasi LGO 8.1 terhadap nilai sebenarnya pada

komponen easting sesi 24 jam setelah pembuangan outlier

Baseline

~117 -0.005 0.001 -0.004 -0.006 0.001

~250 0.017 0.006 0.024 0.008 0.016

~450 0.025 0.024 0.051 0.004 0.047

~557 0.105 0.024 0.132 0.088 0.044

~1003 0.158 0.006 0.164 0.152 0.013

komponen northing sesi 24 jam setelah pembuangan outlier

Baseline

~117 -0.002 0.001 -0.001 -0.003 0.002

~250 0.033 0.002 0.034 0.029 0.006

~450 0.070 0.058 0.087 0.056 0.031

~557 0.044 0.002 0.047 0.043 0.005

~1003 0.071 0.002 0.073 0.069 0.004

komponen ellips H sesi 24 jam setelah pembuangan outlier

Baseline

(km) mean deviasi (m) std. deviasi (m) deviasi max (m) deviasi min (m) Range (m)

~117 -0.033 0.002 -0.032 -0.035 0.003

~250 0.014 0.009 0.024 0.003 0.021

~450 0.179 0.189 0.192 0.170 0.022

~557 0.150 0.052 0.191 0.091 0.100

(5)

46

komponen easting sesi 12 jam setelah pembuangan outlier

Baseline

(km)

mean deviasi (m) std deviasi (m) deviasi max (m) deviasi min (m) range (m) 12 jam I 12 jam II 12 jam I 12 jam II 12 jam I 12 jam II 12 jam I 12 jam II 12 jam I 12 jam II

~ 117 -0.007 -0.005 0.003 0.004 -0.004 0.000 -0.010 -0.011 0.006 0.011

~ 250 0.018 0.016 0.009 0.004 0.028 0.021 0.006 0.012 0.022 0.008

~ 450 0.009 0.014 0.014 0.007 0.020 0.015 -0.010 0.011 0.030 0.004

~ 557 0.087 0.117 0.022 0.129 0.113 0.129 0.063 0.095 0.051 0.034

~ 1003 0.157 0.239 0.010 0.264 0.171 0.274 0.148 0.190 0.022 0.084

komponen northing sesi 12 jam setelah pembuangan outlier

Baseline

(km)

~ 117 0.000 -0.008 0.002 0.003 0.002 -0.003 -0.003 -0.011 0.005 0.008

~ 250 0.028 0.036 0.003 0.004 0.031 0.040 0.024 0.030 0.007 0.010

~ 450 0.063 0.073 0.008 0.019 0.076 0.090 0.058 0.047 0.017 0.043

~ 557 0.043 0.048 0.003 0.052 0.046 0.052 0.040 0.044 0.007 0.008

~ 1003 0.080 0.043 0.004 0.048 0.086 0.055 0.077 0.021 0.009 0.034

komponen ellips H sesi 12 jam setelah pembuangan outlier

Baseline

(km)

~ 117 -0.028 -0.032 0.006 0.019 -0.019 -0.008 -0.034 -0.054 0.015 0.046

~ 250 0.021 0.000 0.012 0.009 0.029 0.005 0.002 -0.013 0.027 0.018

~ 450 0.192 0.165 0.013 0.041 0.204 0.192 0.177 0.096 0.027 0.096

~ 557 0.124 0.193 0.038 0.221 0.145 0.278 0.067 0.119 0.078 0.159

~ 1003 0.126 0.221 0.031 0.247 0.168 0.286 0.099 0.137 0.069 0.149

Dari tabel di atas, kolom mean deviasi menunjukan besar rata-rata penyimpangan LGO 8.1 terhadap hasil Bernese 5.0, kolom std. deviasi menunjukan standar deviasinya, kolom deviasi max menunjukan nilai maksimum besar penyimpangan,

(6)

47 kolom deviasi min menunjukan nilai minimum penyimpangan, dan kolom range menunjukan rentang nilai maks-min. Pada kolom mean deviasi dapat dianggap merepresentasikan tingkat akurasi, karena menunjukan besar penyimpangan terhadap nilai yang dianggap benar. Sedangkan kolom std. deviasi merepresentasikan tingkat presisi, karena menunjukan standar deviasi dari besar penyimpangan yang dihasilkan. Untuk memudahkan dalam melihat perubahan tingkat presisi dan akurasi hasil LGO 8.1 terhadap perubahan jarak akan disajikan pada Gambar 4.2 yang mengacu pada Tabel 4.7 s/d 4.12.

Gambar 4.2 Tingkat perubahan akurasi dan presisi terhadap jarak hasil pengolahan

LGO 8.1

Gambar 4.2 di atas menunjukan tingkat presisi dan akurasi pada 3 komponennya. Sedangkan untuk mengetahui kualitas jarak baseline hasil dari pengolahan LGO 8.1

(7)

48 dapat dilihat pada Gambar 4.3 dan Tabel 4.13 s/d 4.15. Data baseline ini sudah melalui tahap pembuangan outlier.

Gambar 4.3Tingkat perubahan akurasi dan presisi baseline terhadap jarak hasil pengolahan LGO 8.1

Tabel 4.13 Informasi statistik baseline hasil pengolahan LGO 8.1 sesi 24

Baseline

(km) mean deviasi (m) std deviasi (m) deviasi max (m) deviasi min (m) range (m)

~ 117 0.005 0.001 0.006 0.004 0.002

~ 250 0.037 0.004 0.041 0.033 0.008

~ 450 0.080 0.013 0.095 0.072 0.023

~ 557 0.120 0.025 0.148 0.104 0.044

~ 1003 0.185 0.007 0.191 0.177 0.014

Tabel 4.14 Informasi statistik baseline hasil pengolahan LGO 8.1 sesi 12 jam I

Baseline

(km) mean deviasi (m) std deviasi (m) deviasi max (m) deviasi min (m) range (m)

~ 117 0.006 0.003 0.009 0.002 0.007

~ 250 0.034 0.003 0.038 0.030 0.008

~ 450 0.070 0.009 0.081 0.060 0.021

~ 557 0.102 0.021 0.128 0.079 0.049

(8)

49

Tabel 4.15 Informasi statistik baseline hasil pengolahan LGO 8.1 sesi 12 jam II

Baseline

(km) mean deviasi (m) std deviasi (m) deviasi max (m) deviasi min (m) range (m)

~ 117 0.008 0.005 0.014 0.002 0.012

~ 250 0.039 0.003 0.045 0.034 0.010

~ 450 0.079 0.019 0.097 0.055 0.042

~ 557 0.135 0.013 0.146 0.109 0.037

~ 1003 0.252 0.037 0.285 0.192 0.093

Terdapatnya perbedaan koordinat hasil pengolahan dari kedua perangkat lunak tersebut bisa berbeda karena dipengaruhi oleh metode pemodelan dan estimasi kesalahan dan bias yang berbeda seperti yang ditunjukan pada Tabel 4.16. Perbedaan ini terletak pada model ionosfer dan model troposfer yang digunakan serta metode pemecahan bilangan ambiguitas fase. Pada buku manual software LGO diterangkan bahwa software ini akan menghitung sendiri model ionosfernya sesuai dengan kondisi umum pada saat waktu pengamatan di lokasi pengukuran atau dengan kata lain dimodelkan. Namun tidak dijelaskan lebih mendalam lagi mengenai model yang dibentuk tersebut. Sedangkan pada Bernese 5.0, pengaruh ionosfer hanya diestimasi (tidak dimodelkan) saja. Sedangkan untuk bias troposfer, pada software LGO 8.1 hanya dimodelkan saja menggunakan Hopfield & Saastamoinen, sedangkan Bernese dimodelkan menggunakan Saastamoinen, lalu diestimasi. Untuk pemecahan bilangan ambiguitas fase dari bilangan real menjadi bilangan bulat, pada software LGO menggunakan metode Fast Ambiguity Resolution Approach (FARA) dan Bernese menggunakan metode Quasi Ionosphere Free (QIF).

Tabel 4.16 Perbedaan parameter pengolahan data

Parameter LGO 8.1 Bernese 5.0

Ionosfer Menghitung & membuat

model sendiri Estimasi

Troposfer Saastamoinen (model) Saastomoinen (model & estimasi)

Ambiguitas Fase Fast Ambiguity Resolution

(9)

50

4.2 Analisis Spesifikasi SNI

Jika hasil pengolahan LGO 8.1 pada Tabel 4.7 s/d 4.12 pada komponen horisontalnya saja, dibenturkan terhadap spesifikasi SNI 2002, maka akan dapat diketahui jenis kegiatan survei yang dapat diaplikasikan menggunakan perangkat lunak LGO 8.1 ini. Berdasarkan desain spasi tipikal JKHN pada Tabel 1.1, spesifikasi SNI pada Tabel 2.4, dan panjang baseline yang dikaji hanya dapat diketahui jenis survei dari kelas A hingga 3A dari tingkat presisinya. Batas sumbu panjang ellips kesalahan yang diperbolehkan pada persamaan (2.5) hasilnya dapat dilihat pada Tabel 4.17. Lalu nilai mutlak mean deviasi pada hasil LGO 8.1 akan dianggap sebagai ellips kesalahan yang terjadi. Hasil mutlak mean deviasi ini dapat dilihat hasilnya pada Tabel 4.18.

Tabel 4.17 Sumbu panjang ellips kesalahan horisontal yang diperbolehkan

berdasarkan spesifikasi SNI 2002

Kelas c (ppm) r = c ( d + 0.2 ) / 1000 ~ 117 km ~ 250 km ~ 450 km ~ 557 km ~ 1003 km 3A 0.01 0.001 m 0.003 m 0.005 m 0.006 m 0.010 m 2A 0.1 0.012 m 0.025 m 0.045 m 0.056 m 0.100 m A 1 0.117 m - - - -

Tabel 4.18 Nilai mutlak dari mean deviasi horisontal yang terjadi pada setiap

baseline

Easting (m) Northing (m)

24 jam 12 jam I 12 jam II 24 jam 12 jam I 12 jam II ~ 117 0.005 0.007 0.005 0.002 0.000 0.008 ~ 250 0.017 0.018 0.016 0.033 0.028 0.036 ~ 450 0.025 0.009 0.014 0.070 0.063 0.073 ~ 557 0.105 0.087 0.117 0.044 0.043 0.048 ~ 1003 0.158 0.157 0.239 0.071 0.080 0.043

(10)

51 Berdasarkan hasil pada Tabel 4.17 dan 4.18, tampak bahwa perangkat lunak LGO 8.1 dapat digunakan untuk kelas A dan 2A pada seluruh sesi pengamatan untuk panjang baseline ~117 km. Jadi sebaiknya agar tidak membuang waktu dan tenaga, pada saat pengukuran lama waktu yang dibutuhkan cukup 12 jam saja. Analisis ini berdasarkan tingkat presisi yang diperbolehkan, bukan berdasar pada tingkat akurasi SNI 2002.